ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ Seria: AUTOMATYKA z. 119
_______ 1996 N r kol. 1339
Jerzy HONCZARENKO, Andrzej JARDZIOCH, Piotr PAWLUKOWICZ Politechnika Szczecińska
Z A ST O SO W A N IE L O G IK I R O Z M Y T E J DO PRO JEK TO W A N IA Z R O B O T Y Z O W A N Y C H SYSTEM ÓW O BR ÓBKO W YCH (ZSO)
Streszczenie. W referacie przedstawiono sposób wykorzystania logiki rozmytej do komputerowo wspomaganego projektowania zrobotyzowanych systemów obróbko
wych. Zaproponowano sposób doboru podsystemów składowych oparty na rozmytych regułach decyzyjnych. Wykorzystano w tym celu zmienne lingwistyczne stanowiące bazę wiedzy. Dysponując zbiorem reguł decyzyjnych oraz zdefiniowanymi funkcjami przynależności dla poszczególnych zmiennych lingwistycznych, dokonano wyboru robota przemysłowego i obrabiarek do pracy w zrobotyzowanym systemie. Umożliwiło to formułowanie złożonych reguł sterowania oraz uwzględnienia jednocześnie wielu celów.
A P P L IC A T IO N O F FUZZY L O G IC F O R DESIGNING O F R O B O T IZ E D M A C H IN IN G SYSTEMS (ZSO)
S um m ary. The article presents the way o f application o f fuzzy logic to the com puter aided designing of the robotized machining systems. The method o f selection o f subsystem based on fuzzy decision rules are proposed. Linguistic variables that create datebase is applied. Disposing the set o f decision rules and defining function o f belonging for particular linguistic variables the industrial robot and machine tools were selected. It enabled formulation o f the complicated control rules and respecting many aims.
1. W stęp
W latach 90. nastąpił ogromny rozwój technik związanych ze sztuczną inteligencją, takich jak: algorytmy genetyczne, logika rozmyta czy też sieci neuronowe. Udow odniono wielką przydatność tych metod w zagadnieniach związanych ze sterowaniem, optymalizacją oraz rozpoznawaniem [1,2,4], W referacie przedstawiono sposób wykorzystania logiki rozmytej do komputerowo wspomaganego projektowania zrobotyzowanych systemów obróbkowych. W wyniku przeprowadzonej analizy głównych etapów procesu projektowania stwierdzono, iż szczególnie podatne na zastosowanie logiki rozmytej są etapy wstępnego projektowania związane z doborem i konfiguracją systemu, jak również problemy opracowania odpowiednich algorytmów sterowania pracą podsystemów transportowych.
174 J. Honczarenlco. A. Jardzioch. P. Paw lukow icz
W chwili obecnej algorytmy sterujące pracą systemów produkcyjnych oparte są na sztywnych regułach priorytetowych typu FIFO, LIFO [3], Tego typu algorytmy nie pozwalają na maksymalizację wykorzystania możliwości nowoczesnych elastycznych systemów produkcyjnych, zwłaszcza w przypadku coraz częściej występującej produkcji jednostkowej i małoseryjnej. Zastosowanie złożonych reguł heurystycznych opartych na wiedzy eksperta napotyka na barierę w postaci trudności w przeniesieniu często niejednoznacznej i nieprecyzyjnej wiedzy na grunt systemów komputerowych sterujących pracą zrobotyzowanych systemów obróbkowych. Podobna sytuacja występuje w przypadku wstępnego ustalania konfiguracji systemu, gdy znane są tylko pewne założenia, niejednokrotnie znacznie przybliżone, często określone także w postaci opisowej, na podstawie których należy dokonać doboru robotów przemysłowych, obrabiarek czy też podsystemów magazynowych. Moment ten cechujący się koniecznością podejmowania strategicznych decyzji inwestycyjnych mających decydujące znaczenie o powodzeniu całego projektu wymaga szczegółowego opracowania z punktu widzenia komputerowo wspomaganego projektowania.
Proces komputerowo wspomaganego projektowania zrobotyzowanych systemów obróbkowych (rys. 1.) składa się z wielu powtarzających się cyklicznie etapów, które sukcesywnie wzbogacane nowymi informacjami pozwalają w końcowej iteracji na uzyskanie rozwiązania spełniającego stawiane wymagania [3], W ramach procesu projektowania wyróżnić można następujące etapy:
1. Etap wstępnych danych i założeń (zadania produkcyjne, zapotrzebowanie, analiza przedmiotów przewidzianych do obróbki).
2. Etap ustalania założeń technologicznych (ramowe procesy technologiczne dla poszczególnych wyrobów, marszruty technologiczne, parametry skrawania).
3. Etap doboru podsystemów składowych (obrabiarki, roboty przemysłowe, podsystem transportowo-magazynowy).
4. Etap konfiguracji systemu obejmujący ustalenie przestrzennych relacji między dobranymi urządzeniami.
5. Etap budowy modelu symulacyjnego i prowadzenia badań symulacyjnych pozwalający na dokonanie kompleksowej oceny generowanych rozwiązań.
2. Z astosow anie logiki rozmytej do doboru podsystemów składowych w ZSO
Etap doboru podsystemów składowych to trzy wzajemnie powiązane problemy: dobór obrabiarek, robotów przemysłowych i urządzeń transportowo - magazynowych [3], Każdy z tych problemów wymaga uwzględnienia wielu informacji wynikających między innymi z parametrów przedmiotów przewidzianych do produkcji w projektowanym systemie, oraz
Zastosow anie logiki rozmvtei do projektow ania 125.
ustalonych w poprzednim etapie założeń technologicznych i organizacyjnych. Informacje te nie są jednak z góry jednoznacznie ustalone. Reguły, według których dokonywany jest dobór podsystemów składowych, uwzględniają dodatkowo wpływ takich parametrów urządzeń, jak elastyczność, nowoczesność rozwiązań czy też niezawodność, oraz opierają się w dużym stopniu na wiedzy i doświadczeniu projektanta. Zawierają one w sobie pewien stopień nieprecyzyjności, niejasnych preferencji i uwarunkowań, co nie pozwala stosować tradycyjnych sposobów wnioskowania. Zastosowanie na etapie doboru podsystemów składowych elementów wnioskowania rozmytego, uwzględniającego sformułowane przez eksperta lingwistyczne reguły decyzyjne, pozwala na skonstruowanie możliwego do implementacji algorytmu komputerowo wspomagającego proces doboru podsystemów składowych w ZSO.
Rys. 1. Struktura komputerowo wspomaganego procesu projektowania ZSO Fig. 1. The strukturę o f a computer-aided on robotized machining systems designing
Zbiór schematów postępowania i pewnych prawidłowości, według których dokonywana jest selekcja i wybór urządzeń technologicznych, transportowych i magazynowych zapisywany jest w postaci bazy reguł zawierających zdania warunkowe o następującej strukturze:
IF Xi = Ai ... AND Xi = A ... AND
X« = K
THEN Y, = B, (1) gdzie: X; - zmienne rozmyte,A; - wartości zmiennych rozmytych, Yi - konkluzja rozmyta,
B, - wartość konkluzji rozmytej.
Przykładowe reguły dotyczące doboru obrabiarki do pracy w projektowanym systemie przedstawiono na rys.4. Określają one warunkijakie musi spełniać w konkretnym przypadku
176 J. H onczarenko. A. Jardzioch. P. Paw lukow icz
obrabiarka, aby została zakwalifikowana do jednej z pięciu grup (bardzo dobra, dobra, średnia, zła, bardzo zła). Zarówno złożoność reguł, jak i całego procesu wnioskowania zależy od liczby zmiennych lingwistycznych. W celu prawidłowej oceny obrabiarki należy uwzględnić takie parametry, jak moc napędu głównego, maksymalna średnica toczenia, maksymalna długość toczenia, liczba mocowanych narzędzi, wymiary gabarytowe, prędkość ruchów ustawczych, możliwości komunikacji z urządzeniami zewnętrznymi, pojemność pamięci itp.
Dla przejrzystości pokazano przykład doboru obrabiarki przy dwóch zmiennych lingwistycznych (maksymalna średnica toczenia i moc napędu głównego). Zbiór reguł można przedstawić wtedy w postaci dwuwymiarowej bazy reguł. Na rys.2. przedstawiono przykładową bazę reguł dla opisanego powyżej przypadku. W takim układzie dla rozdzielczości systemu rozmytego równego 5 (pięciu wartości zmiennych rozmytych) oraz dla dwóch zmiennych rozmytych liczba reguł sterujących równa się 25. Jak widać, mimo iż maksymalna liczba reguł możliwych do zastosowania wynosi 25, to tylko w 9 przypadkach obrabiarka (tokarka) może być oceniana (w przypadku znalezienia się obrabiarki w polu bez wyniku zostaje ona zdyskwalifikowana jako nie spełniająca wymagań progowych).
Maksymalna średnica toczenia
Moc napędu głównego
1
Rys. 2. Przykładowe reguły dotyczące doboru obrabiarki (tokarki) Fig. 2. Example rules for selection o f the machine tools
Podstaw ow ą wielkością wykorzystywaną przy ocenie obrabiarek jest stosunek wartości wymaganych parametrów do rzeczywistych (katalogowych) parametrów robota.
1 =Pw/Pr (2)
gdzie: Pw - parametr wymagany,
P R - parametr rzeczywisty (katalogowy).
Funkcje przynależności określają w jaki sposób ten iloraz wpływa na ocenę obrabiarki.
W podanym przykładzie do każdego z parametrów zastosowano pięć wartości zmiennych
X
znaczniemnieiszamniejsze dobra większa znacznie większa znaczniemnicisza 0 0 0 0 0
mniejsza 0 0 0 0 0
dobra 0 0 bardzo
dobra dobra średnia
większa 0 0 dobra zła zła
znacznie
wicksza 0 0 średnia zła bardzo
zła
Zastosow anie logiki rozmvtei do projektow ania 1Z7
rozmytych (począwszy od: „znacznie mniejszy” przez „mniejszy”, „równy”, „większy”, kończąc na „znacznie większy”).
Nakładanie się poszczególnych zakresów zmiennych i wynikająca z tego pewna niejednoznaczność w przyporządkowaniu robotów do określonej grupy odzwierciedla typowy dla człowieka, nieostry, zawierający wiele uwarunkowań sposób klasyfikacji. Implikuje to konieczność uwzględnienia tego typu wieloznaczności w regułach decyzyjnych wykorzystywanych na etapie wnioskowania.
Algorytm procesu wnioskowania rozmytego składa się z trzech etapów (rys.3,):
1. Fuzzyftkacja - polegająca na rozmyciu „ostrej” wartości wejściowej, pozwalająca na przetworzenie wartości liczbowej w szeroko pojętą wartość typu: „mały”, „średni”, „duży”
czy „bardzo mały”, „odpowiedni”, „bardzo duży”.
2. Wnioskowanie - polegające w pierwszym etapie na poszukiwaniu minimum wartości dla każdej przyjętej reguły, tzn. wyborze najmniejszej wartości spośród znaczników danych wejściowych objętych analizowaną regułą. Blokiem wynikowym jest zbiór rozmyty mający miano określonej wielkości fizycznej. W drugim etapie następuje końcowe wnioskowanie oparte na każdej z zasad podstawowych w ten sposób, że końcow ą wartością jest maksimum spośród podstawowych reguł. Taki proces ma strukturę przetwarzania równoległego, zaś wnioskowanie nosi nazwę zasady MIN, MAX i jest podobne do sposobu myślenia człowieka [2],
3. Defuzzyfikacja - polegająca na przetworzeniu wartości rozmytych na wartość „ostrą”, która odbywa się np. przez odnalezienie środka ciężkości wyjściowego zbioru rozmytego.
Rys.3. Fuzzy fi ka ej a, wnioskowanie oraz defuzzyfikacja metodą środka ciężkości Fig.3. Fussification, concluding and defussification according to the graviti center method
178 J. H onczarenko- A. Jardzioch. P. Paw lukow icz
Na rys.4. przedstawiono sposób wykorzystania lingwistycznych reguł decyzyjnych do doboru obrabiarki. Przykładowe reguły oraz funkcje przynależności dotyczące oceny obrabiarki uwzględniają następujące wymagania:
- moc napędu głównego N = 12 kW; max średnica toczenia D = 100 mm.
Sprawdzana tokarka TZC 32N1 posiada następujące parametry:
- m oc napędu głównego N = 18 kW; max średnica toczenia D = 320 mm.
Przy k ład d o b o ru o b ra b ia rk i______
IF średnica = Z W AND moc = W7T H E N obrabiarka = ZKA
IF średnica = Z.W A N D moc = £> TH EN obrabiarka = ŚRED NIA
IF średnica = W7 A N D m o c = W T H E N obrabiarka = 7Jj\
IF średnica = W A N D m oc = D T H E N obrabiarka = D O BIiA
Rys.4. Sposób wykorzystania lingwistycznych reguł decyzyjnych do doboru obrabiarki Fig.4. Application o f the decision linguistic rules for selection o f the machine tool
Zastosow anie logiki rozmytej do projektowania 1 23
W wyniku przeprowadzonego procesu oceny zilustrowanego na rys.4. uzyskano wyjściowy zbiór rozmyty będący iloczynem logicznym poziomu działania każdej reguły oraz zbioru rozmytego konkluzji. Zastosowanie etapu denazyfikacji pozwoliło przydzielić konkretną liczbę punktów ocenianej obrabiarce (3,8).
3. Podsum ow anie
Wynikiem końcowym doboru z wykorzystaniem logiki rozmytej jest liczbowa ocena sprawdzanej obrabiarki w skali 0 do 10. W celu dokonania doboru przedstawiony powyżej proces należy przeprowadzić dla wszystkich obrabiarek znajdujących się w bazie danych.
Obrabiarka otrzymująca najwyższą ocenę uznana jest za najlepszą.
LITERATURA
1. Adam czyk Z.: Teoria zbiorów rozmytych w sterowaniu procesem obróbki. M ateriały IV Naukowej Szkoły N adzorow ania i Diagnostyki. Prace Naukowe Instytutu Technologii Maszyn i Autom atyzacji n r 57, Seria Konferencje nr 23, Oficyna Wyd. Pol. Wrocławskiej, W rocław 1995.
2. Pedrycz W .: Fuzzy Control and Fuzzy Systems. Reserch Studies Press LTD. John W iley & Sons INC. N ew Y ork 1993.
3. Jardzioch A., Honczarenko J., Banaszak Z.; Configuration optimization o f robotized machining systems: an object oriented approach. Proceedings o f the Second International Symposium on M ethod and M odels in Automation and Robotics, Międzyzdroje 1995.
4. Honczarenko J.: Elementy i zastosowanie robotów przemysłowych. Wyd. W yższa Szkoła Inżynierska, Zielona G óra 1995.
Recenzent: Prof.dr inż. Tadeusz Puchałka W płynęło do Redakcji do 30.06.1996 r.
A b strac t
The article presents the basis o f fuzzy logic theory, mein fuzzy concluding elements o f the way o f application o f fuzzy logic to the computer aided designing o f the robotized machining systems. The method of selection o f subsystem based on fuzzy decision rules are proposed. Linguistic variables that create datebase is applied. Database is built o f elementary rules auording to the rule stating that complicated coses might be divided into basic elements with low lewel o f complication. Disposing the set o f decision rules and defining function o f belonging for particular linguistic variables the industrial robot and machine tools were selected. It enabled formulation o f the complicated control rules and respecting mamy aims.
This method is alternativy for applied selection methods for example weight method.